智一面的面试题提供python的测试题
使用地址:http://www.gtalent.cn/exam/interview?token=99ef9b1b81c34b4e0514325e9bd3be54

python随机数模块
random — 生成伪随机数,该模块实现了各种分布的伪随机数生成器。

对于整数,从范围中有统一的选择。 对于序列,存在随机元素的统一选择、用于生成列表的随机排列的函数、以及用于随机抽样而无需替换的函数。

几乎所有模块函数都依赖于基本函数 random() ,它在半开放区间 [0.0,1.0) 内均匀生成随机浮点数。

警告 不应将此模块的伪随机生成器用于安全目的。 有关安全性或加密用途

1、整数用函数
random.randrange(stop) 从 range(start, stop, step) 返回一个随机选择的元素。 这相当于 choice(range(start, stop, step)) ,但实际上并没有构建一个 range 对象。

random.randint(a, b)
返回随机整数 N 满足 a <= N <= b。相当于 randrange(a, b+1)。

1~100之间随机取一个数返回。
import random as rd
num=rd.randint(1,100)
print(num)

输出:
55

1~100之间所有的奇数中随机取一个数。
import random as rd
num=rd.randrange(1,100,2)   # 2为步长.1,3,5...
print(num)

输出:
29

2、序列用函数
random.choice(seq)
从非空序列 seq 返回一个随机元素。 如果 seq 为空,则引发 IndexError。序列可以是list、tuple、str、set。

random.choices(population, weights=None, *, cum_weights=None, k=1)
从population中选择替换,返回大小为 k 的元素列表。 如果 population 为空,则引发 IndexError。
population:集群。weights:相对权重。cum_weights:累加权重。k:选取次数。其中,权重是一个列表,表示个元素被选择的概率。

从所给列表中随机抽取一位。
import ranfom as rd
num=rd.choice([11,22,33,44])
print(num)

输出:
22

从列表 lst 中随机抽取k个值,并分别测试相对权重与累积权重。
import random
lst = [1,2,3,4,5]
# # 从lst 中抽取 k 个值
# print(random.choices(lst,k=5))
# 设置各元素权重,概率为 当前元素权重/总权重
# print(random.choices(a,weights=[0,0,1,0,0],k=5))
# # 设置各元素权重
# print(random.choices(lst,weights=[1,1,1,1,1],k=5))
# # 设置各元素累加权重
# print(random.choices(lst,cum_weights=[1,1,1,1,1],k=5))

'''
输出:
[2, 1, 1, 2, 3]     #随机,等权重
[3, 3, 3, 3, 3]     #恒定不变 3的概率为 1
[4, 4, 1, 1, 4]     #随机,各元素概率为 1/5
[1, 1, 1, 1, 1]     #恒定不变,1的概率为 1
            # 累计权重[1,1,1,1,1]相当于相对权重[1,0,0,0,0]
'''

这里python官方文档给出的解释是:
如果指定了 weight 序列,则根据相对权重进行选择。 或者,如果给出 cum_weights 序列,则根据累积权重(可能使用 itertools.accumulate() 计算)进行选择。 例如,相对权重[10, 5, 30, 5]相当于累积权重[10, 15, 45, 50]。 在内部,相对权重在进行选择之前会转换为累积权重,因此提供累积权重可以节省工作量。

另外,如果指定了 weight 序列,则根据相对权重进行选择,并且 weight 与 cum_weights 二者只能选其一。至于权重的列表应当与 population 中等长这点,也要注意。

3、实值分布
即所谓的浮点数。
random.random()
返回 [0.0, 1.0) 范围内的下一个随机浮点数。

random.uniform(a, b)
返回一个随机浮点数 N ,当 a <= b 时 a <= N <= b ,当 b < a 时 b <= N <= a 。
取决于等式 a + (b-a) * random() 中的浮点舍入,终点 b 可以包括或不包括在该范围内。

random.triangular(low, high, mode)
返回一个随机浮点数 N ,使得 low <= N <= high 并在这些边界之间使用指定的 mode 。 low 和 high 边界默认为零和一。 mode 参数默认为边界之间的中点,给出对称分布。

random.betavariate(alpha, beta)
Beta 分布。 参数的条件是 alpha > 0 和 beta > 0。 返回值的范围介于 0 和 1 之间。

random.expovariate(lambd)
指数分布。 lambd 是 1.0 除以所需的平均值,它应该是非零的。 (该参数本应命名为 “lambda” ,但这是 Python 中的保留字。)如果 lambd 为正,则返回值的范围为 0 到正无穷大;如果 lambd 为负,则返回值从负无穷大到 0。

除此之外还有很多函数,如数学中的高斯分布、正态分布等等,这里就不一一列出了。详情请参看 python 官方文档,文章尾部有快链。

随机生成浮点数。
import random as rd
num=rd.uniform(1,10)
print(float("%.2f"%num))

输出:
5.18

随机生成0或1
注意它们的类型是浮点数类型。

import random as rd
num=rd.random()
print(num)

输出:

4、替代生成器
class random.Random([seed])
该类实现了 random 模块所用的默认伪随机数生成器。

class random.SystemRandom([seed])
使用 os.urandom() 函数的类,用从操作系统提供的源生成随机数。 这并非适用于所有系统。 也不依赖于软件状态,序列不可重现。 因此,seed() 方法没有效果而被忽略。 getstate() 和 setstate() 方法如果被调用则引发 NotImplementedError。


我们的python技术交流群:941108876
智一面的面试题提供python的测试题
http://www.gtalent.cn/exam/interview?token=99ef9b1b81c34b4e0514325e9bd3be54